في عالم البناء والإنشاءات، تعتبر توقعات الحركات الهيكلية تحت تأثير الأحمال الخارجية عاملًا حيويًا لضمان سلامة المنشآت ولتقييم صحتها الهيكلية. ورغم أن طريقة العناصر المحدودة (FEM) تظل الطريقة السائدة بفضل دقتها العالية، إلا أن التكاليف الحسابية الكبيرة تعيق استخدامها في التطبيقات التي تتطلب مراقبة فورية.

لذا، قدمت دراسة جديدة إطارًا مبتكرًا يعتمد على الشبكات العصبية البيانية (GNN)، حيث يتم تمثيل الأنظمة الهيكلية على شكل رسوم بيانية، تمثل الوصلات كعقد (nodes) والأعضاء الهيكلية كحواف (edges). من خلال دمج الخصائص الهندسية والميكانيكية في التمثيل الرسومي، يتعلم النموذج المقترح العلاقة بين الأحمال المطبقة والاستجابة الهيكلية بشكل مباشر من البيانات المحاكاة.

تم إنشاء مجموعة بيانات تركيبية من هيكل مؤلف من طابقين باستخدام برنامج ANSYS، وتم تدريب كل من شبكة عصبية تقليدية (NN) وشبكة عصبية بيانية (GNN) للمقارنة. أظهرت النتائج أن إطار عمل الشبكة العصبية البيانية predicts الحركات والدورات بدقة عالية، متفوقةً على النموذج التقليدي، مما يبرز إمكانياتها كبديل سريع وفعال لتحليل FEM التقليدي.

إن هذه النتائج لا تؤكد فقط على فائدة استخدام GNN في مجال مراقبة الصحة الهيكلية، ولكنها أيضًا تمهد الطريق لتطوير أساليب مبتكرة في تصميم وتحليل الهياكل، وممكن أن تحدث ثورة في كيفية معالجة التحديات في هذا المجال.